将 HTML 转换为 Excel 的最佳方法是什么答案

【问题标题】：What is the best way to convert HTML into Excel将 HTML 转换为 Excel 的最佳方法是什么
【发布时间】：2009-06-10 10:35:35
【问题描述】：

我有一个 HTML 页面，其中有一个 flash 图表 (FusionCharts) 和 HTML 表格。我需要将整个事情转换成 Excel。 HTML 表格应显示在 Excel 工作表的单元格中。 Flash 图表可以显示为图像。

是否有任何我们可以用来实现此目的的开源 API。你能告诉我有哪些可能的选择吗？

这可以通过单独使用javascript来完成吗？

【问题讨论】：

【解决方案1】：

HTML 表格相对简单。您可以下载页面，解析 HTML（有各种可用的 HTML 解析库），提取表格并将其转换为 CSV（Excel 可以加载），或者直接创建 Excel 文件，例如如上所述，使用 Java POI。

Flash 部分明显更难。有很多工具可用于将 Flash 捕获到图像中，您需要使用其中之一。这可能很棘手，因为 Flash 可能是交互式的，因此您可能必须远程控制 Flash 部分，以便在捕获之前显示正确的图像。没有更多信息很难说。

也就是说，屏幕抓取（这就是您正在做的事情）始终是劳动密集型和脆弱的。你真的应该争取一个更好的接口来获取你的数据，从长远来看，它会省去很多麻烦。

【讨论】：

【解决方案2】：

只需将页面的内容类型设置为“application/vnd.ms-excel”即可。如果 html 页面只是一个表格，它将使用 excel 打开并且看起来很完美。您甚至可以添加背景颜色和字体样式。

尝试其中一些内容类型

application/excel
application/vnd.ms-excel
application/x-excel
application/x-msexcel

【讨论】：

【解决方案3】：

Excel 默认可以转换 HTML 表格。强制它执行此操作的最简单方法是使用 XLS 扩展名保存 HTML 文件。然后 Excel 将打开 XLS，就好像它是它的本机工作簿一样。

【讨论】：

【解决方案4】：

有一个非常好的 Java POI api 可以让你做到这一点，但它是 Java。 http://poi.apache.org/

如果你在Win32上也可以使用Excel的COM api，网上有不少教程。

【讨论】：

【解决方案5】：

我无法就 Flash 部分提供任何建议，但我已经多次将 HTML 表格转换为 Excel。是的，Excel 可以打开 HTML 表格，但大多数 HTML 表格中都有多余的废话，这会使一致地解析表格变得脆弱。

CPAN 模块HTML::TableExtract 是一个很棒的模块，它允许您专注于您尝试提取的表格的非演示特定方面。只需指定您感兴趣的列标题，也可以指定表格的标题或类别，您就基本完成了。您可能需要对返回的行进行一些后期处理，但这比处理底层标签汤要容易得多。

此外，对于 Excel 格式的输出，请坚持使用 Spreadsheet::WriteExcel 而不是 OLE 接口。这样，您就不必依赖安装 Excel 来让您的程序工作，而且事情进展得更快。

如果您不希望 Excel 在打开文件时自动更改内容（我不喜欢发送 CSV 文件的另一个原因），请确保指定单元格的数据类型。使用配置文件来格式化信息，这样您就可以更改电子表格的外观，而无需更改程序。

您始终可以使用 Excel 的内置图表工具来替换网站图表。

这种组合使我能够使用几百行 Perl 和几天的工作来生成包含数百兆字节的抓取数据（带有徽标和图像链接等）的漂亮文档。

【讨论】：

【解决方案6】：

您正在尝试做的事情是脆弱且难以维护的。您应该尝试创建一个 csv 提要来获取数据。只需要有人来修改 HTML，然后你的爬虫就会把它扔在上面（可能在有人记得你的程序是如何工作的几年后）。

尝试从原始来源（即数据库或其他）获取 CSV 和图像数据，并从中构建 Excel 文件。

【讨论】：

【解决方案7】：

我将在 SpliFF 的回答中添加，当您将数据保存为 CSV 文件时，您可以将页面的 mime 类型设置为 application/vnd.ms-excel，这将在 Excel 中打开页面

【讨论】：

哇。我不知道。但是 Excel 在使用 ";" 的区域中经常不适合 CSV作为列表分隔符，而不是 ","...
我同意，Excel 讨厌的事情列表可能会持续一段时间 :) 我主要使用它来呈现来自服务器端脚本的报告，因此我有能力确保数据格式不会伤害 Excel。
+1 用于提及带有“;”的区域分隔器。在荷兰，小数分隔符是逗号。当浮点数有一个点时，excel 会将数字解释为字符串，除非我更改 windows 中的区域设置。在服务器上生成 CSV 并期望它加载到每个人的 excel 中肯定会失败。